Les séries temporelles à valeurs entières ont été souvent modélisées par des processus autorégressifs de type INAR(p). Cependant, les données réelles sont souvent sujet à des changements de régime qui ne sont pas pris en compte par un modèle INAR seul. Nous proposons donc de généraliser ces modèles en introduisant une chaîne de Markov cachée. L'estimation des paramètres est menée avec un algorithme EM et nous illustrons les propriétés de convergence en simulant plusieurs jeux de données. Nous proposons aussi quelques exemples sur des données réelles qui montrent l'intérêt de ces modèles en pratique.